721 पेपर
यह अध्ययन प्रदर्शित करता है कि एआई-सहायता प्राप्त प्रॉम्प्टिंग डिजिटल ड्राइंग में दृश्य जटिलता और व्यवहारिक जुड़ाव को बढ़ाती है, जबकि यह भी प्रकट करती है कि मशीन लर्निंग मॉडल इन ड्राइंग विशेषताओं के आधार पर सूक्ष्म भावनाओं की तुलना में व्यापक भावनात्मक श्रेणियों की बेहतर भविष्यवाणी कर सकते हैं।
DIT एक विकेंद्रीकृत, पोस्ट-क्वांटम सुरक्षित प्रमाणीकरण प्रोटोकॉल है जो डोमेन पहचानों को DNSSEC-सत्यापित ML-DSA-65 कुंजियों में एंकर करके और कुशल, प्रतिसंहरणीय (revocable) विश्वास प्रदान करने के लिए मर्कल ट्रांसपेरेंसी लॉग्स के साथ एक हाइब्रिड X25519MLKEM768 हैंडशेक का उपयोग करके पारंपरिक CA पदानुक्रम को समाप्त करता है।
यह शोध पत्र एक अनिश्चितता-निर्देशित ट्रिपल-मेमोरी फ्यूजन फ्रेमवर्क प्रस्तावित करता है जो मोशन अनिश्चितता को मापने के लिए प्रोबेबिलिस्टिक मंबा का लाभ उठाता है और मोशन, अपीयरेंस और कैटेगरी मेमोरीज को गतिशील रूप से संलयित (fuse) करता है, जिससे जटिल गतिशील दृश्यों में सुदृढ़ मल्टी-ऑब्जेक्ट ट्रैकिंग के लिए अत्याधुनिक प्रदर्शन प्राप्त होता है।
यह अध्ययन फार्मास्युटिकल विनिर्माण के लिए एक व्यापक एआई (AI) ढांचे का प्रस्ताव करता है जो ऑडिट-रेडी, रक्षात्मक गुणवत्ता-शासन निर्णयों को सुनिश्चित करने के लिए भविष्य कहनेवाला मॉडलिंग (predictive modeling) को व्याख्यात्मकता (explainability), निष्पक्षता (fairness), अंशांकन (calibration), ड्रिफ्ट मॉनिटरिंग (drift monitoring) और नियामक ट्रैसेबिलिटी (regulatory traceability) के साथ एकीकृत करता है।
यह शोध पत्र SGMS-DTDNet का प्रस्ताव करता है, जो एक सिमेंटिक-गाइडेड मल्टी-स्केल डुअल-टीचर डिस्टिलेशन नेटवर्क है जो चिकित्सा और औद्योगिक विसंगति का पता लगाने में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए डोमेन-विशिष्ट सिमेंटिक्स, संरचनात्मक पूर्ववृत्त (स्ट्रक्चरल प्रायर्स), और अनुकूली विशेषता चयन को एकीकृत करता है, जिससे दुर्लभ असामान्य नमूनों और विषम दोष रूपात्मकता जैसी चुनौतियों पर विजय प्राप्त की जा सकती है।
यह अध्ययन प्रदर्शित करता है कि पैरामीटर-कुशल फाइन-ट्यूनिंग (PEFT) रणनीतियाँ, जैसे कि आंशिक फाइन-ट्यूनिंग और BitFit, इलेक्ट्रोकार्डियोग्राम फाउंडेशन मॉडल्स में फुल फाइन-ट्यूनिंग से बेहतर प्रदर्शन करती हैं, जो विशेष रूप से आउट-ऑफ-डोमेन डेटा और संसाधन-बाधित परिदृश्यों में सामान्यीकरण को महत्वपूर्ण रूप से बढ़ाकर और ओवरफिटिंग को कम करके ऐसा करती हैं।
यह शोध पत्र एक बाधा-निर्देशित (constraint-guided) ढांचे को प्रस्तुत करता है जो DeepSHAP के माध्यम से दोष-प्रासंगिक भारों (fault-relevant weights) को स्थानीयकृत करके, कॉनकोलिक टेस्टिंग (concolic testing) के माध्यम से प्रतीकात्मक बाधाओं (symbolic constraints) को एकत्र करके, और Max-SMT के साथ अपडेट को अनुकूलित करके तैनात न्यूरल नेटवर्क की मरम्मत करता है, जो व्यापक प्रयोगों के माध्यम से यह प्रदर्शित करता है कि व्यवस्थित डिज़ाइन-स्पेस अन्वेषण महत्वपूर्ण मरम्मत रणनीतियों—जैसे कि केवल बायस-ओनली (bias-only) संशोधनों—को प्रकट करता है जो मॉडल की निष्ठा (fidelity) को बनाए रखते हुए प्रतिकूल (adversarial) और बैकडोर कमजोरियों को काफी कम कर देते हैं।
32 अध्ययनों (2022-2025) का यह व्यवस्थित समीक्षा स्वतंत्र UAV पथ नियोजन के लिए चार हाइब्रिड सुदृढीकरण शिक्षण (Reinforcement Learning) और मेटाह्यूरिस्टिक आर्किटेक्चर की पहचान करता है, जिसमें यह पाया गया है कि हालांकि ये फ्रेमवर्क अनुकूलन क्षमता और अभिसरण (convergence) में सुधार करते हैं, लेकिन भौतिक हार्डवेयर सत्यापन, कोड पुनरुत्पादकता और कठोर सांख्यिकीय परीक्षण की पूर्ण कमी के कारण उनकी वास्तविक दुनिया की तत्परता वर्तमान में सीमित है।
यह शोध पत्र एक एकीकृत AIOps फ्रेमवर्क प्रस्तावित करता है जो डिप्लॉयमेंट विफलताओं को सक्रिय रूप से कम करने और CI/CD परिवेशों में रिकवरी के औसत समय (mean time to recovery) को महत्वपूर्ण रूप से घटाने के लिए XGBoost-आधारित प्रेडिक्टिव रिस्क स्कोरिंग, ऑटोएन्कोडर-संचालित विसंगति का पता लगाने (anomaly detection), और रैंडम फॉरेस्ट-आधारित स्वचालित समाधान (automated remediation) को संयोजित करता है।
यह शोध पत्र वायर आर्क एडिटिव मैन्युफैक्चरिंग (WAAM) में वास्तविक समय में दोषों का पता लगाने के लिए एक प्रोग्रेसिव मल्टी-आर्किटेक्चर कंप्यूटर विज़न फ्रेमवर्क प्रस्तुत करता है, जो कम्प्यूटेशनल दक्षता, व्याख्यात्मकता और विसंगति पहचान सटीकता के बीच संतुलन को अनुकूलित करने के लिए व्याख्यात्मक टू-स्टेप मॉडल्स, एंड-टू-एंड डीप लर्निंग नेटवर्क्स और एक नवीन लर्नबल प्रीप्रोसेसिंग आर्किटेक्चर (MCFE-Net) का व्यवस्थित रूप से मूल्यांकन और तुलना करता है।